O-HAS：同时提升加速性能与开发速度的光学硬件加速器搜索
机器学习
2021-08-18 v1 硬件体系结构
新兴技术
摘要
深度神经网络 (DNN) 的近期突破与极高复杂性激发了对领域专用 DNN 加速器的广泛兴趣，其中光学 DNN 加速器因其实现卓越性能功耗比的空前潜力而尤为前景广阔。然而，光学 DNN 加速器的开发速度远慢于电学 DNN 加速器。一个关键挑战在于，尽管已开发出许多促进电学 DNN 加速器开发的技术，但支持或加速光学 DNN 加速器设计的技术仍鲜有探索，这限制了光学 DNN 加速器可实现的性能与创新开发。为此，我们开发了首个此类框架 O-HAS，首次展示了自动化光学硬件加速器搜索，以同时提升光学 DNN 加速器的加速效率与开发速度。具体而言，我们的 O-HAS 包含两个集成的关键使能组件：(1) O-Cost 预测器，可基于 DNN 模型参数与光学加速器设计，准确且高效地预测光学加速器的能耗与延迟；(2) O-Search 引擎，可自动探索光学 DNN 加速器的庞大设计空间并识别最优加速器（即微架构与算法到加速器映射方法），以最大化目标加速效率。大量实验与消融研究一致验证了我们的 O-Cost 预测器与 O-Search 引擎的有效性，以及 O-HAS 生成的光学加速器的优异效率。
引用
@article{arxiv.2108.07538,
title = {O-HAS: Optical Hardware Accelerator Search for Boosting Both Acceleration Performance and Development Speed},
author = {Mengquan Li and Zhongzhi Yu and Yongan Zhang and Yonggan Fu and Yingyan Lin},
journal= {arXiv preprint arXiv:2108.07538},
year = {2021}
}
备注
Accepted at ICCAD 2021